AI 리터러시, '무엇을 아는가'에서 '어떻게 대하는가'로: 윤리와 태도 중심의 심층 보고서

https://youtu.be/C12CJUTaBzw?si=drsFrpWn9gSzoPX6

 

AI  리터러시 , ' 무엇을   아는가 ' 에서  ' 어떻게   대하는가 ' 로

 

AI 리터러시, '무엇을 아는가'에서 '어떻게 대하는가'로: 윤리와 태도 중심의 심층 보고서

 

빠른 속도로 진화하는 AI시대 우리가 갖춰야 할 AI시대 기본소양인 AI 리터러시에 대해서 살펴봅니다.
AI의 기능적인 지식습득도 중요하지만 그것보다 우선시돼야 할 것은 바로 AI를 어떻게 대할 것 인가하는 태도(Attitude)의 문제이기 때문입니다. 

AI  리터러시

 

1. 서론: AI 리터러시, '활용'을 넘어 '성찰'을 요구하다

 

인공지능(AI) 시대, AI 리터러시(AI Literacy)는 생존과 경쟁력을 위한 핵심 역량으로 부상했습니다.
많은 이들이 AI 리터러시의 중요성을 직감적으로 인지하고 있으며 1, 자신의 경력에 AI 역량이 필수적이라고 느끼고 있습니다.2 하지만 이 거대한 관심사에 비해 'AI 리터러시'가 정확히 무엇을 의미하는지에 대한 사회적 합의나 개인적 이해는 여전히 막연하고 피상적인 수준에 머물러 있습니다.

 

현재 많은 논의가 '프롬프트 엔지니어링'이나 특정 AI 도구의 '활용법(Skills)'과 같은 기술적 차원에 매몰되어 있습니다.
그러나 이러한 접근은 AI라는 거대한 기술 변혁의 본질을 간과합니다. AI, 특히 생성형 AI는 단순히 정보를 검색하고 정리해 주는 효율적인 도구가 아닙니다. AI는 데이터를 기반으로 지식을 '생성'하고, 때로는 '재구성'하며, 심지어 '왜곡'할 수 있는 강력한 힘을 가졌습니다.3

따라서 본 보고서는 AI 리터러시의 성패가 단순한 기술 습득이 아닌 '태도(Attitude)'에 달려있다는 핵심적인 통찰을 전제로 출발합니다. AI가 제시하는 그럴듯한 결과물을 맹목적으로 수용하는 것이 아니라, 그것을 비판적으로 검토하고 4, 윤리적 함의를 성찰하며, 인간 고유의 주체성을 가지고 활용하는 5 '태도'야말로 AI 시대의 진정한 '비판적 사고'입니다.

본고는 AI 리터러시를 (1) 유네스코(UNESCO), OECD 등 공신력 있는 글로벌 프레임워크를 통해 다층적으로 재정의할 것입니다. (2) 왜 기술(Skill)이나 지식(Knowledge)이 아닌 '태도(Attitude)'가 AI 리터러시 교육의 가장 중요한 핵심 전제가 되어야 하는지 논증할 것입니다. (3) 기술 이면에 숨겨진 '윤리적 딜레마'의 실체를 분석하여, 이것이 왜 '태도'의 교육을 필수적으로 요구하는지 명확히 밝힐 것입니다. (4) 마지막으로 미국, 중국, 일본, 그리고 한국 4개국의 AI 리터러시 교육 정책을 심층 비교 분석하여, 우리가 '책임 있는 주체'로서 나아가야 할 방향을 제시하고자 합니다.

 

2. AI 리터러시의 다층적 정의: 글로벌 프레임워크 분석

 

AI 리터러시를 'AI 도구 활용 능력'으로만 정의하는 것은 매우 협소한 접근입니다. 전 세계의 주요 연구 기관과 국제기구들은 이미 AI 리터러시가 기술, 윤리, 사회적 성찰을 아우르는 복합적인 역량임을 강조하고 있습니다.

 

단순한 기능(Functional)을 넘어서

 

스탠퍼드 대학(Stanford University)에서 제시하는 AI 리터러시 프레임워크는 이러한 다층적 개념을 명확하게 보여줍니다. 이들은 AI 리터러시를 4가지 상호 연관된 영역으로 구분합니다 6:

 

1.    기능적 리터러시 (Functional literacy): AI가 어떻게 작동하는지(How does AI work?) 그 원리를 이해하는 영역입니다.

2.    윤리적 리터러시 (Ethical literacy): AI가 제기하는 윤리적 문제들(편향, 프라이버시 등)을 어떻게 탐색하고 판단할 것인지(How do we navigate the ethical issues?)를 다루는 영역입니다.

3.    수사적 리터러시 (Rhetorical literacy): AI가 생성한 언어(텍스트, 이미지)와 인간의 언어를 사용하여 우리의 목표를 어떻게 달성할 것인지(How do we use... language to achieve our goals?)를 이해하는 영역입니다.

4.    교육적 리터러시 (Pedagogical literacy): AI를 활용하여 교수-학습 활동을 어떻게 향상시킬 것인지(How do we use AI to enhance teaching and learning?)를 탐구하는 영역입니다.

 

여기서 특히 주목할 점은 '수사적 리터러시'입니다.6 이는 AI가 생성한 텍스트가 객관적이고 중립적인 정보의 나열이 아니라, 특정 의도나 목적(예: 설득, 마케팅)을 가지고 '설계된' 언어일 수 있음을 인지하는 태도를 의미합니다. 이는 AI의 결과물을 비판적으로 수용해야 하는 윤리적 태도와 직결됩니다.

 

KSA 프레임워크 (지식, 기술, 태도)

 

최근 OECD의 정책 문서를 텍스트 마이닝 기법으로 분석한 국내 한 연구는 AI 리터러시의 핵심 역량을 KSA (Knowledge, Skills, Attitudes) 프레임워크로 체계화했습니다.7 이는 '태도'의 중요성을 뒷받침하는 강력한 분석 틀입니다.

 

지식 (Knowledge): AI의 원리와 개념을 이해하고, AI가 제공하는 정보의 맥락을 해석하며, 윤리적 판단 기준을 아는 능력을 포함합니다.7

기술 (Skills): AI를 활용해 문제를 해결하고, AI가 생성한 결과를 비판적으로 사고하며, 창의적인 결과물을 도출하는 능력을 의미합니다.7

태도 (Attitudes): AI 기술을 활용함에 있어 '공감적 사회 인식'을 견지하고, '윤리적 기술 고려'를 실천하며, '윤리적 책임감'을 갖추는 것을 의미합니다.7

 

이 KSA 프레임워크가 보여주는 핵심은 지식, 기술, 태도가 분절된 것이 아니라 유기적으로 연결되어 있다는 점입니다. 특히 '태도'는 지식과 기술의 '방향성'을 결정하는 조타키와 같습니다. 예를 들어, '윤리적 책임감'(태도)이 결여된 '기술 기반 문제해결'(기술)은 사회적 해악을 끼치는 방향으로 악용될 수 있습니다.

 

글로벌 표준이 제시하는 방향: UNESCO와 AILit.org

 

이러한 접근 방식은 글로벌 교육 표준을 주도하는 국제기구들의 입장과도 일치합니다.

유네스코 (UNESCO): 유네스코가 학생과 교사를 위해 발표한 AI 역량 프레임워크는 AI 리터러시의 핵심 구성요소로 'AI 기술 및 응용'이나 'AI 시스템 설계' 같은 기술적 요소를 포함합니다.8 하지만 가장 주목할 점은, 유네스코가 이 기술적 요소들보다 **'인간 중심적 사고방식(A human-centred mindset)'**과 **'AI 윤리(Ethics of AI)'**를 가장 먼저, 그리고 가장 중요하게 강조한다는 사실입니다.8 이는 AI 기술의 존재 이유가 인간의 주체성(agency)을 대체하거나 훼손하는 것이 아니라, 인간의 삶을 지원하고 향상하는 데 있음을 명확히 천명한 것입니다.8

 

AILit.org: 미국을 중심으로 한 AI 리터러시 프레임워크(AILit.org) 역시 KSA와 유사한 접근을 취합니다. 이들은 지식(AI의 본질, 역할, 한계)과 기술(비판적 사고, 협업, 문제 해결)과 더불어, **'미래 준비 태도(Future-ready attitudes)'**를 AI 리터러시의 핵심 축으로 제시합니다. 이 태도에는 '책임감 있는(Responsible)', '호기심 있는(Curious)', '공감하는(Empathetic)', '적응하는(Adaptable)' 자세가 포함됩니다.10

 

결론적으로, 전 세계의 주요 AI 리터러시 프레임워크들은 이미 기술(Skill) 중심의 접근을 명백히 거부하고 있습니다. 일각에서 막연하게 느끼는 '기술 활용' 중심의 국내 논의는 이미 글로벌 표준과는 거리가 있는 구시대적 접근일 수 있습니다. AI 리터러시의 글로벌 표준은 명확하게 '인간 중심성'과 '윤리적 태도'를 핵심 기반으로 삼고 있습니다.

 

3. 탐구의 핵심 1: AI 리터러시 교육이 '태도(Attitude)'에서 시작되어야 하는 이유

 

그렇다면 왜 AI 리터러시 교육은 지식이나 기술의 주입이 아닌 '태도'의 함양에서 시작되어야 할까요? 이는 AI 기술의 본질적인 속성과 AI 시대에 필요한 학습의 형태가 근본적으로 변화했기 때문입니다.

 

'태도'는 학습의 전제 조건이자 거버넌스 메커니즘이다

 

과거의 학습이 '정해진 지식'을 수동적으로 습득하는 과정이었다면, AI 시대의 학습은 AI가 생성한 '불확실한 정보'의 홍수 속에서 학습자 스스로 '검증'하고 '판단'하는 능동적 과정입니다.3

생성형 AI는 그럴듯한 거짓말, 즉 '할루시네이션(Hallucination)'을 사실처럼 제시하는 본질적 한계를 가집니다.3 또한 AI는 학습한 데이터에 내재된 편견을 그대로, 혹은 증폭하여 보여줄 수 있습니다.11 이러한 AI의 결과물을 걸러낼 수 있는 유일한 장치는 기술이 아니라, 'AI가 제공하는 정보를 무조건 사실로 받아들이지 않는'3 비판적 태도와 'AI가 생성한 정보의 정확성과 품질을 확인하려는' 12 학문적 성실성13입니다.

 

이러한 논리적 흐름은 다음과 같이 정리할 수 있습니다:

1.    AI(특히 생성형 AI)는 본질적으로 '확률적'이며 '오류 가능성'을 내포합니다.3

2.    따라서 AI의 결과물은 '정답'이나 '사실'이 아닌, '검토 대상'이자 '초안'에 불과합니다.

3.    이 '검토'라는 행위는 기술(Skill)이 아니라, '이 정보가 정확한가?'라고 의심하는 '비판적 사고' 14, '왜 이런 결과가 나왔을까?'라고 질문하는 '호기심' 10, '이 결과물을 내가 책임질 수 있는가?'를 판단하는 '책임감' 13이라는 '태도(Attitude)'에서 발현됩니다.

4.    결론적으로, '태도' 교육이 전제되지 않은 AI 기술 교육(예: 프롬프트 엔지니어링)은 오히려 더 정교한 '오정보'를 생산하거나, AI의 결과물을 그대로 제출하는 '부정행위' 13를 조장할 위험이 큽니다. '태도'는 AI 활용의 '안전장치'이자 윤리적 '방향타'입니다.

 

KSA 프레임워크의 '태도' 상세 분석: 공감과 책임

 

앞서 언급된 OECD 문서 분석7에서 도출된 '태도' 영역의 핵심 역량은 이러한 주장을 강력하게 뒷받침합니다.

'공감적 사회 인식(Empathetic Social Awareness)': 이는 AI 리터러시가 단순한 개인 역량이 아님을 보여줍니다.
이 태도는 내가 사용하는 AI 기술이 사회의 다양한 그룹, 특히 소외되거나 차별받는 소수자들에게 어떤 영향을 미칠지 '공감'하는 능력입니다.7 이 태도가 결여되면, 편향된 AI 알고리즘을 무비판적으로 사용하여 사회적 차별을 재생산하게 됩니다.11

 

'윤리적 기술 고려(Ethical Technology Consideration)': 이는 단순히 '윤리 지식'을 아는 것(Knowledge)을 넘어, 기술을 개발하거나 사용할 때 '윤리적 책임감' 7을 가지고 판단하는 실천적 자세를 의미합니다.

 

인간 고유의 주체성(Agency)과 판단력 강화

 

AI 리터러시 교육의 궁극적인 목표는 'AI의 지시를 잘 따르는 부품'이 아니라, AI의 도움을 받아 더 나은 의사결정을 하는 '인간 주체'를 길러내는 것입니다.5

AI는 복잡한 데이터를 분석하고 확률적 예측을 제공함으로써 인간의 '의사결정을 보조'하는 강력한 도구입니다.5 하지만 AI는 맥락을 이해하거나, 가치를 판단하거나, 윤리적 결정을 내릴 수 없습니다. AI가 할 수 없는 이 '맥락적 판단(contextual judgments)', 즉 이 기술을 도입함으로써 얻는 이익이 우리가 감수해야 할 사회적, 환경적 비용(예: 에너지 소비, 일자리 감소)보다 더 큰 가치가 있는지를 판단하는 것은 오직 '인간의 몫'입니다.10

이러한 최종적인 판단을 내릴 수 있는 힘, 이것이 바로 AI 리터러시 교육이 길러내야 할 핵심 '태도'입니다.

 

4. 탐구의 핵심 2: 기술 이면에 숨겨진 '윤리적 딜레마'의 실체

 

AI 리터러시 교육에서 '윤리'와 '태도'가 이토록 강조되는 이유는, AI 기술이 본질적으로 '인간 사회의 문제'를 내포하고 있으며, 이를 증폭시키기 때문입니다.17 우리는 "AI가 인간의 선택과 관점을 반영한다(AI Reflects Human Choices and Perspectives)" 10는 명제를 항상 기억해야 합니다.

AI는 객관적이고 중립적인 기계가 아니라, 편향된 데이터로 학습하고 불투명한 방식으로 작동하며 때로는 심각한 사회적 문제를 야기합니다. 기술 이면에 '숨어있는 윤리적 문제'들은 다음과 같습니다.

 

(1) 편향과 차별 (Bias and Fairness)

정의: AI 시스템이 학습한 데이터에 내재된 인간의 편견(인종, 성별, 연령, 문화 등)을 그대로 학습하거나 오히려 증폭시켜, 특정 집단에 불공정하고 차별적인 결과를 내놓는 문제입니다.17

사례:

형사 사법: 미국 일부 법원에서 사용된 AI(COMPAS)는 피고의 재범 위험률을 예측하는 데 활용되었습니다. 그러나 분석 결과, 이 AI는 흑인 피고의 재범 위험률을 백인 피고보다 체계적으로 높게 예측했습니다. 이는 알고리즘 자체가 '인종차별적'이어서가 아니라, 학습 데이터가 된 '과거의 체포 데이터' 자체가 이미 인종적 편향(흑인의 검거율이 백인보다 높음)을 갖고 있었기 때문입니다.11 AI는 그저 인간의 차별적 역사를 학습하고 '과학적인' 예측처럼 포장했을 뿐입니다.

 

이미지 생성: Midjourney와 같은 생성형 AI에게 '전문 직종에 종사하는 사람'의 이미지를 생성해 달라고 요청했을 때, '나이 든 사람'은 항상 '남성'으로만 묘사되는 경향이 발견되었습니다. 이는 직장 내 여성의 역할에 대한 뿌리 깊은 성별 편견을 AI가 강화하고 재생산하는 사례입니다.11

 

시사점: AI가 '객관적'이고 '공정'할 것이라는 맹목적인 태도를 버려야 합니다. AI의 결과물이 어떤 데이터에 기반했는지 '호기심(Curious)'을 갖고 질문하며 10, 그 결과가 소수자의 입장에서 불공정하지 않은지 '공감적(Empathetic)' 7으로 의심하는 태도가 필요합니다.

 

(2) 투명성 부족과 책임의 공백 (Transparency and Accountability)

정의: 딥러닝과 같은 복잡한 AI 모델은 수십억 개의 매개변수가 상호작용하는 '블랙박스(Black Box)' 17처럼 작동합니다. 이로 인해 AI가 특정 결정을 내린 과정을 인간이 이해하거나 설명하기 어렵고(설명 가능성 부족), 그 결정으로 인해 피해가 발생했을 때 그 책임을 누구(개발자, 사용자, AI 자체?)에게 물어야 할지 모호해지는 문제입니다.17

 

사례:

데이터 투명성 부족: 많은 AI 모델이 어떤 데이터로 학습했는지, 그 데이터의 수집 및 정제 과정이 어떠했는지에 대한 문서화가 매우 불충분합니다.21 이는 AI의 신뢰성을 사용자가 평가하는 것을 원천적으로 어렵게 만듭니다.

 

법적 책임 소재: AI를 악용하여 생성된 유해 정보(예: 생화학 무기 제조법)나 AI의 오류(예: 자율주행차 사고)로 인해 심각한 피해가 발생했을 때, 그 법적 책임을 AI '개발자'에게 물어야 하는지를 두고 격렬한 사회적, 법적 논쟁이 진행 중입니다.22

 

시사점: '블랙박스'의 결정을 맹신해서는 안 됩니다. AI 리터러시는 AI의 '설명 가능성'을 요구하고, AI의 자동화된 결정에 '인간의 감독(Human Oversight)' 23을 두려는 '책임감 있는(Responsible)' 10 태도를 포함합니다.

 

(3) 프라이버시 침해 (Privacy Violation)

 

정의: AI 시스템, 특히 머신러닝은 그 성능을 향상시키기 위해 방대한 양의 데이터를 필요로 합니다. 이 과정에서 개인의 민감한 정보(대화 내용, 건강 정보, 위치 정보 등)가 사용자의 명시적인 동의 없이 과도하게 수집, 분석, 활용될 위험이 상존합니다.17

사례: AI 스피커나 챗봇 서비스가 사용자의 사적인 대화나 개인정보를 '엿듣는다'는 우려와 실제 사례들이 지속적으로 보고되고 있습니다.24 또한, 대규모 언어 모델(LLM)의 학습 데이터에 포함된 개인 식별 정보가 생성형 AI의 답변을 통해 의도치 않게 유출될 수 있는 심각한 위험도 존재합니다.20

 

시사점: AI가 제공하는 '편의성'을 위해 나의 '개인정보'를 어디까지 제공할 것인지 스스로 판단하고 결정하는 '주체적 태도'가 필요합니다. 이는 '데이터 보안 및 프라이버시 인식(Data security and privacy awareness)' 14이라는 AI 리터러시의 핵심 역량입니다.

이러한 윤리적 딜레마와 이에 대응하는 AI 리터러시 '태도'를 정리하면 다음 표와 같습니다.

 

[비교 분석표 1: AI의 주요 윤리적 딜레마와 교육적 대응 태도]

 

윤리적 딜레마 (Ethical Dilemma)	핵심 정의 (Core Definition)	실제 사례 (Real-World Examples)	요구되는 AI 리터러시 '태도'
편향과 차별 (Bias & Fairness)	학습 데이터에 내재된 인간의 편견(인종, 성별, 문화)을 AI가 학습·증폭시켜 불공정한 결과를 초래함.17	- 사법 정의: AI가 흑인의 재범 위험률을 백인보다 높게 예측 11   - 이미지 생성: '전문직' 이미지가 남성 중심, 특정 연령대로 편향됨 11	- 공감(Empathetic): AI의 결정이 사회적 약자에게 미칠 영향을 고려함.7   - 호기심(Curious): AI 결과의 근거가 된 데이터를 의심하고 질문함.10
투명성 부족과 책임 공백 (Black Box & Accountability)	AI(특히 딥러닝)의 의사결정 과정을 인간이 이해하기 어려우며21, 오류 발생 시 법적/윤리적 책임 소재가 불명확함.17	- 블랙박스: 학습 데이터 세부 사항의 문서화 부족 21   - 책임 소재: AI를 악용한 결과(예: 유해 정보 생성)의 책임을 개발자에게 물을지 논란 22	- 책임감(Responsible): AI의 결정을 최종적인 것으로 받아들이지 않고, 인간이 최종 검토·판단함.[5, 10]   - 비판적 사고: AI의 '설명 가능성'을 요구하고 한계를 명확히 인지함.14
프라이버시 침해 (Privacy Violation)	AI 서비스 제공 및 성능 향상을 위해 방대한 개인정보를 수집·처리하는 과정에서 발생하는 사생활 침해 위험.17	- 데이터 수집: AI 스피커·챗봇 등이 사용자의 민감한 정보를 과도하게 수집 24   - 데이터 유출: 학습 데이터에 포함된 개인정보가 AI 답변을 통해 노출될 위험 20	- 데이터 보안 인식: 자신의 데이터가 어떻게 수집·활용되는지 인지하고14, 프라이버시 보호 설정을 주체적으로 관리함.   - 주체적 판단: 편의성과 프라이버시 사이의 균형을 스스로 판단함.
허위정보 및 조작 (Misinformation & Deepfakes)	생성형 AI를 악용하여 실제와 구분하기 어려운 가짜 뉴스, 딥페이크 이미지/영상 등을 생산·유포하는 문제.17	- 할루시네이션: AI가 사실이 아닌 정보를 그럴듯하게 생성함 3   - 딥페이크: 정치, 사회적 혼란을 야기하거나 개인의 명예를 훼손하는 정교한 조작물 20	- 비판적 사고: AI가 생성한 콘텐츠의 정확성과 신뢰성을 항상 검증함.[12, 14]   - 학문적 성실성: AI 생성물을 자신의 창작물인 것처럼 속이지 않고, 출처를 명기하고 검증 의무를 다함.13

---

5. 주요 4개국 AI 리터러시 교육 정책 비교 분석

 

AI가 미래 사회와 국가 경쟁력의 핵심이라는 점에는 전 세계적인 공감대가 형성되어 있습니다.25 하지만 'AI 리터러시 교육'을 구체적으로 어떻게 구현할 것인가에 대해서는 각국의 철학과 전략적 목표에 따라 뚜렷한 차이를 보입니다.26 AI 시대를 선도하는 미국, 중국, 일본, 그리고 한국의 접근 방식을 '태도'와 '윤리'의 관점을 중심으로 비교 분석합니다.

 

미국 (USA): 'K-12 의무화'와 '시민권(Civil Rights)' 중심의 윤리적 접근

정책 동향: 미국은 연방 정부 차원에서 '미국 청소년을 위한 AI 교육 진흥' 행정명령 등을 통해 K-12(유치원부터 고등학교까지) 교육을 강력하게 독려하고 있습니다.29 특히 캘리포니아주는 AB2876 법안을 통과시켜, 2025년부터 K-12 교육과정에 AI 리터러시 교육을 의무적으로 포함시키는 등 발 빠른 행보를 보이고 있습니다.31

 

커리큘럼 특징: 미국 AI 리터러시 교육의 가장 두드러진 특징은 기술 교육을 넘어 **'민주 시민 교육'**의 관점에서 접근한다는 점입니다. 미 교육부(Department of Education)가 발표한 각종 지침은 AI의 활용을 논의함에 있어 '차별 금지(Nondiscrimination)'와 '시민권(Civil Rights)'을 최우선으로 강조합니다.32 이는 AI 교육을 단순히 기술을 잘 다루는 엔지니어 양성이 아닌, **'AI로 인한 사회적 차별과 불평등을 인지하고 이에 대응하는 민주 시민'**을 양성하는 과정으로 이해하는 것입니다.33 AI4K12 34, Digital Promise 35와 같은 K-12 AI 교육 프레임워크 역시 'AI의 5대 빅 아이디어', '정의 중심(Centering Justice)', '인간의 판단(Human Judgment)' 등 윤리적, 태도적 측면을 핵심 요소로 포함합니다.23

 

핵심: 기술 경쟁력 확보36와 더불어, AI가 초래할 수 있는 사회적 불평등과 차별 문제에 대응하는 '공정하고 책임 있는 시민' 양성에 교육의 방점을 두고 있습니다.

 

중국 (China): 'AI 강국'을 위한 국가 주도형 조기 인재 양성

정책 동향: 중국은 2017년 발표한 '차세대 인공지능 발전 계획'에 따라 2030년까지 세계 1위 AI 강국으로 도약한다는 명확한 국가적 목표를 가지고 있습니다.37 이 목표 달성을 위해, 초·중·고등학교 AI 교육을 국가 의무 교육과정으로 전면 도입했습니다.38

 

커리큘럼 특징: 베이징시 1,400여 개 학교에서 시범 시행된 후 전국으로 확대 중이며 38, 세계 최초로 유치원부터 성인까지 아우르는 '생애 전 주기 AI 교과서'를 개발하여 보급한 것으로 유명합니다.37 커리큘럼은 학년별로 매우 체계적으로 설계되었습니다 38:

 

o  (초등) AI 챗봇 만들기 등 '흥미와 호기심 유발' 중심 38

o  (중등) 음성 인식 프로그램 제작 등 'AI 작동 원리 이해' 중심 38

o  (고등) 실제 사회 문제를 AI로 해결하는 '프로젝트 중심 학습' 38

 

핵심: 국가의 강력한 하향식(Top-down) 전략40 하에, 'AI 기술 인재'를 조기에, 그리고 체계적으로 양성하는 데 교육의 모든 역량이 집중되어 있습니다. 물론 안전하고 책임 있는 사용 등 윤리 교육도 포함되지만 41, 최우선 목표는 국가 경쟁력을 위한 인재 확보입니다.

 

일본 (Japan): '모든 대학생' 대상, '즐거움과 배움의 의의' 강조

 

정책 동향: 일본은 'AI 전략 2019'에 따라, 미래 노동 인구의 약 25%(약 1,500만 명)에게 '수리·데이터사이언스·AI' 리터러시를 보급하는 것을 목표로 설정했습니다.43

 

커리큘럼 특징: 일본의 접근 방식은 K-12보다 **'모든 대학생 및 고등전문학교 학생'**을 핵심 대상으로 삼는다는 점에서 독특합니다.43 문·이과 구분 없이 모든 학생이 '수리·데이터사이언스·AI' 기초 교육을 2단위(약 90분x15회) 필수 과목으로 이수하도록 했습니다.43

 

교육 철학: 더욱 흥미로운 점은 커리큘럼의 '철학'입니다. 이 교육은 '프로그래밍'이나 '기계학습' 같은 하드 스킬(Hard skill)을 가르치는 데 중점을 두지 않습니다(이는 선택 사항임).43 대신, AI의 **'즐거움'과 '배우는 의의'**를 전달하는 데 집중합니다.43 3대 필수 항목은 (1) 사회에서의 데이터·AI 활용, (2) 데이터 리터러시, (3) **데이터·AI 이용 및 활용에 대한 유의사항(윤리)**입니다.43

 

핵심: 고령화와 노동력 감소27 등 심각한 사회 문제를 AI로 해결해야 하는 미래 세대(대학생)에게, 기술적 숙련도 이전에 **'AI를 사회의 일원으로 받아들이고 윤리적으로 활용하는 기초 소양(Attitude)'**을 심어주려는 실용적이면서도 철학적인 접근입니다.

 

한국 (South Korea): '전문가 양성'에서 '전 국민 일상화'로의 전환기

현주소 (문제점): 한국의 AI 교육 정책은 오랫동안 '엘리트 전문가 양성'에 집중되어 왔습니다. OECD 조사 결과44, 한국은 미국, 영국과 함께 AI '전문가 양성' 교육에는 강점을 보였으나, 프랑스나 일본과 달리 '일반인 대상 AI 리터러시 교육'은 사실상 전무(全無)하다는 충격적인 평가를 받았습니다.44 이는 K-디지털 트레이닝 같은 정부 지원 사업의 예산 배분에서도 AI 활용 교육 비중이 극히 낮은 것(약 1.39%)으로 확인됩니다.45

 

정책 동향 (전환): 이러한 '엘리트 중심' 교육의 한계와 'AI 교육 격차' 문제를 인식하고, 최근 과기정통부를 중심으로 **'전 국민 AI 일상화 실행 계획'**을 발표하는 등 정책적 전환을 모색하고 있습니다.46 이 계획은 'AI 문해력(리터러시) 제고'와 'AI 윤리·신뢰성 확보'를 핵심 과제로 명시하고 있습니다.47

 

과제: 하지만 이러한 정책적 선언에도 불구하고, 교육 현장에서는 여전히 교사들의 AI 활용 지식과 기술이 부족하고(76% 응답) 49, 학교의 AI 인프라가 부족하다(OECD 평균보다 15%p 높음) 49는 현실적 장벽이 존재합니다. 현재는 한국AI리터러시협회(KAILA) 50와 같은 민간 단체나 사교육 기관 51이 공교육의 리터러시 공백을 메우고 있는 상황입니다.

 

핵심: '전문가 양성'이라는 전략적 함정에 빠져 있다가, 뒤늦게 '모든 국민의 리터러시'의 중요성을 깨닫고 정책적 전환을 시도하는 '추격형(Catch-up)' 모델의 전형을 보이고 있습니다.

 

[비교 분석표 2: 한·미·일·중 AI 리터러시 교육 정책 핵심 비교]

 

비교 항목	미국 (USA)	중국 (China)	일본 (Japan)	한국 (South Korea)
핵심 목표 및 전략	'AI 시민권' 교육.   AI로 인한 차별/불평등에 대응하는 공정한 민주 시민 양성.33	'AI 강국' 전략.   2030년 세계 1위 목표, 국가 주도 AI 기술 인재 조기 양성.37	'AI 사회 통합'.   미래 사회 문제 해결을 위한 전 국민 기초 소양(리터러시) 확보.[27, 43]	'전문가 양성' 편중.   최근 '전 국민 일상화'로 정책적 전환을 시도하는 추격형.[44, 46]
주요 교육 대상	K-12 (유치원~고교)   (예: 캘리포니아 2025년 의무화) [29, 31]	K-12 (초·중·고)   (국가 의무 교육과정으로 전면 도입) 38	대학생 (전원)   (문·이과 구분 없는 기초 소양 교육) 43	AI 전문가/재직자   (일반인/K-12 대상 교육 매우 부족) 44
커리큘럼 특징	- AI4K12 (5 Big Ideas) 등 프레임워크 기반 34   - 주(州) 단위 자율성 + 연방 가이드라인   - 컴퓨터 과학과 연계 23	- 국가 공인 교과서 보급 37   - 학년별 체계적 로드맵   (초-흥미, 중-원리, 고-활용) 38	- '수리·데이터사이언스·AI' 융합   - 코딩/기술보다 '즐거움', '의의' 강조   - 원리 이해 및 윤리 중심 43	- SW 중심 대학 지원 [53]   - K-Digital Training (재직자) 45   - (리터러시 교육은 민간 주도) 50
윤리 및 태도 접근	(가장 강조)   시민권, 차별 금지, 공정성, 정의 중심(Centering Justice) [33, 35]	(포함)   안전하고 책임 있는 사용, 윤리적 생태계 구축 (국가 전략의 일부) 41	(필수 요소)   '이용 및 활용상 유의사항'을 3대 필수 항목 중 하나로 지정 43	(최근 강조)   'AI 윤리·신뢰성 확보'를 '전국민 일상화' 계획의 핵심 과제로 설정 47

---

6. 결론: AI 리터러시 교육의 핵심 - '책임 있는 주체'로의 성장

 

지금까지 우리는 AI 리터러시의 개념이 단순한 '기술 활용'이 아닌, '인간 중심적 사고'와 '윤리적 태도'임을 글로벌 프레임워크를 통해 확인했습니다. 또한 이러한 태도가 AI의 본질적인 윤리적 딜레마(편향, 불투명성, 프라이버시 침해 등)에 대응하기 위한 필수 전제임을 분석했습니다.

 

주요 4개국의 비교 분석은 우리에게 더 큰 시사점을 줍니다. AI 리터러시 교육의 '핵심'은 국가마다 다르게 설정될 수 있습니다. 미국은 '공정성'을, 중국은 '국가 경쟁력'을, 일본은 '사회 통합'을 추구합니다. 하지만 이 모든 접근은 결국 '인간이 AI를 어떻게 통제하고, AI와 어떻게 공존하며, AI를 활용해 어떤 미래를 만들 것인가'라는 근본적인 질문으로 귀결됩니다.

 

이러한 관점에서 한국의 현주소는 명확한 과제를 안고 있습니다. 우리는 AI '전문가' 양성에 치중한 나머지, AI 기술을 일상에서 비판적으로 수용하고 윤리적으로 활용해야 할 대다수의 '시민'과 '사용자' 교육44을 놓쳤습니다. 이것이 바로 많은 이들이 느끼는 '막연함'의 근본적인 원인일 것입니다. 늦었지만 '전 국민 AI 일상화 계획' 46을 통해 올바른 방향으로의 전환이 시작된 점은 다행입니다. 다만, 이 정책이 성공하기 위해서는 현장 교사들에 대한 실질적인 재교육과 인프라 지원 49이라는 구체적인 장벽을 넘어서야 합니다.

 

결국 AI 리터러시 교육의 핵심은 유네스코(UNESCO)가 강조하듯 9, 우리가 AI의 단순한 '사용자(User)'나 '소비자'를 넘어 AI 생태계를 함께 만들어가는 **'비판적 공동 창조자(Critical Co-creator)'**로 성장하는 데 있습니다.

이를 위해 AI 리터러시 교육은 학생들에게 '정답을 찾는 기술'을 가르치는 것이 아니라, **"AI를 '정답'이 아닌 '질문'으로 삼는 태도"**를 길러주어야 합니다.

 

AI가 제시한 답을 보며 '이것이 사실인가?', '이것은 누구의 관점을 반영했는가?', '이로 인해 소외되거나 피해를 보는 사람은 없는가?' 7라고 끊임없이 되물를 수 있는 태도. 이 '책임감 있고(Responsible)', '호기심 많고(Curious)', '공감하는(Empathetic)' 태도야말로, AI 시대에 인간의 고유한 주체성 5을 지키고 AI 리터러시 교육의 효과 4를 극대화하는 유일한 길입니다.

---

#AI리터러시 #AI윤리 #AI교육태도 #KSA프레임워크 #인간중심AI #비판적사고 #AI편향성 #AI교육정책 #미국AI교육 #중국AI교육 #일본AI교육 #한국AI교육 #UNESCO

AI Literacy, From 'What We Know' to 'How We Engage': A Deep-Dive Report Focused on Ethics and Attitude

 

1. Introduction: AI Literacy, Demanding 'Reflection' Beyond 'Utilization'

 

In the age of artificial intelligence (AI), AI Literacy has emerged as a core competency for survival and competitiveness. Many intuitively recognize its importance 1 and feel that AI skills are essential for their careers.2 However, despite this immense interest, the societal consensus and individual understanding of what 'AI literacy' truly means remain vague and superficial.

Currently, many discussions are buried in technical dimensions, such as 'prompt engineering' or the 'utilization' (Skills) of specific AI tools. This approach, however, overlooks the essence of the massive technological transformation that is AI. AI, especially Generative AI, is not merely an efficient tool for searching and organizing information. AI possesses the powerful ability to 'generate' knowledge based on data, sometimes 'reconstruct' it, and even 'distort' it.3

Therefore, this report begins with the core insight that the success of AI literacy hinges not on mere technical acquisition, but on 'Attitude'. The 'attitude' of not blindly accepting the plausible outputs AI presents, but of critically reviewing them 4, reflecting on their ethical implications, and utilizing them with autonomous human agency 5, is the true 'critical thinking' of the AI age.

This report will (1) redefine AI literacy multi-dimensionally through credible global frameworks like UNESCO and the OECD. (2) It will argue why 'Attitude,' rather than Skills or Knowledge, must be the most critical premise of AI literacy education. (3) It will analyze the reality of 'ethical dilemmas' hidden behind the technology to clarify why this necessitates education in 'attitude.' (4) Finally, it will provide an in-depth comparative analysis of the AI literacy education policies of the United States, China, Japan, and South Korea, to propose a path forward for us as 'responsible agents.'

 

2. A Multi-layered Definition of AI Literacy: Analysis of Global Frameworks

 

Defining AI literacy solely as the 'ability to use AI tools' is an extremely narrow approach. Major global research institutions and international organizations already emphasize that AI literacy is a complex competency encompassing technology, ethics, and social reflection.

 

Beyond the Merely 'Functional'

 

The AI literacy framework presented by Stanford University clearly illustrates this multi-layered concept. It divides AI literacy into four interconnected domains 6:

1.    Functional literacy: Understanding the principles of how AI works.

2.    Ethical literacy: Understanding how to navigate the ethical issues AI presents (e.g., bias, privacy).

3.    Rhetorical literacy: Understanding how to use language—both natural and AI-generated—to achieve our goals.

4.    Pedagogical literacy: Understanding how to use AI to enhance teaching and learning.

What is particularly noteworthy here is 'Rhetorical literacy'.6 This implies an attitude of recognizing that text generated by AI is not just a neutral list of information, but 'designed' language with a specific intent or purpose (e.g., persuasion, marketing). This is directly linked to the ethical attitude required to critically accept AI's outputs.

 

The KSA Framework (Knowledge, Skills, Attitudes)

 

A recent domestic study that analyzed OECD policy documents using text mining systemized the core competencies of AI literacy into the KSA (Knowledge, Skills, Attitudes) framework.7 This is a powerful analytical tool that supports the importance of 'Attitude'.

· Knowledge: Includes the ability to understand the principles and concepts of AI, interpret the context of information provided by AI, and know the standards for ethical judgment.7

 

·Skills: Refers to the ability to solve problems using AI, think critically about AI-generated results, and derive creative outcomes.7

·Attitudes: Signifies maintaining 'empathetic social awareness,' practicing 'ethical technology consideration,' and possessing 'ethical responsibility' when utilizing AI technology.7

The key takeaway from this KSA framework is that Knowledge, Skills, and Attitudes are not fragmented but organically connected. 'Attitude,' in particular, is like a rudder that determines the 'direction' of knowledge and skills. For example, 'technology-based problem-solving' (Skill) lacking 'ethical responsibility' (Attitude) can be misused in ways that cause social harm.

 

The Direction Set by Global Standards: UNESCO and AILit.org

 

This approach aligns with the positions of international organizations leading global education standards.

·UNESCO: The AI Competency Framework published by UNESCO for students and teachers includes technical elements like 'AI techniques and applications' and 'AI system design'.8 However, the most crucial point is that UNESCO emphasizes 'A human-centred mindset' and 'Ethics of AI' first and foremost, above all technical components.8 This unequivocally proclaims that the purpose of AI technology is not to replace or undermine human agency, but to support and enhance human life.8

 

·AILit.org: An AI literacy framework centered in the U.S. (AILit.org) also takes a KSA-like approach. It presents 'Future-ready attitudes' as a central pillar of AI literacy, alongside Knowledge (the nature, role, and limitations of AI) and Skills (critical thinking, collaboration, problem-solving). These attitudes include being 'Responsible,' 'Curious,' 'Empathetic,' and 'Adaptable'.10

 

In conclusion, the world's major AI literacy frameworks are already explicitly rejecting a skills-centric approach. The 'technology-utilization' focus vaguely sensed in some domestic discussions may be an outdated approach, already distant from the global standard. The global standard for AI literacy clearly establishes 'human-centricity' and 'ethical attitude' as its core foundation.

 

3. Core Inquiry 1: Why AI Literacy Education Must Begin with 'Attitude'

 

Why, then, must AI literacy education begin with the cultivation of 'attitude' rather than the injection of knowledge or skills? It is because the fundamental nature of AI technology and the form of learning required in the AI age have radically changed.

 

'Attitude' as a Prerequisite for Learning and a Governance Mechanism

 

If learning in the past was a passive process of acquiring 'defined knowledge,' learning in the AI age is an active process where the learner must 'verify' and 'judge' for themselves amidst a flood of 'uncertain information' generated by AI.3

Generative AI has an inherent limitation of presenting plausible-sounding lies, or 'hallucinations,' as facts.3 Furthermore, AI can reflect, or even amplify, the biases embedded in its training data.11 The only mechanism to filter these AI outputs is not technology, but a critical attitude of 'not unconditionally accepting information provided by AI as fact' 3 and an academic integrity that 'seeks to confirm the accuracy and quality of AI-generated information'.12

 

This logical flow can be summarized as follows:

1.    AI (especially Generative AI) is inherently 'probabilistic' and 'fallible'.3

2.    Therefore, AI's output is not an 'answer' or 'fact,' but merely a 'subject for review' or a 'draft.'

3.    This act of 'reviewing' is not a technical skill; it is an 'Attitude' that manifests from 'critical thinking' (questioning "Is this information accurate?") 14, 'curiosity' (asking "Why did it produce this result?") 10, and 'responsibility' (judging "Can I be accountable for this result?").13

4.    Consequently, AI technical education (e.g., prompt engineering) without a prerequisite 'attitude' education is dangerous. It risks producing more sophisticated 'misinformation' or encouraging 'academic dishonesty' 13 by submitting AI results as one's own. 'Attitude' is the 'safety brake' and ethical 'rudder' for AI utilization.

 

KSA's 'Attitude' in Detail: Empathy and Responsibility

 

The core competencies in the 'Attitude' domain, derived from the OECD document analysis 7, strongly support this argument.

·'Empathetic Social Awareness': This shows that AI literacy is not just an individual competency. This attitude is the ability to 'empathize' with how the AI technology I use might affect various groups in society, especially marginalized or discriminated minorities.7 A lack of this attitude leads to the uncritical use of biased AI algorithms, thereby reproducing social discrimination.11

·'Ethical Technology Consideration': This goes beyond simply 'knowing ethics' (Knowledge) and refers to the practical stance of making judgments with 'ethical responsibility' 7 when developing or using technology.

 

Strengthening Human Agency and Judgment

 

The ultimate goal of AI literacy education is not to train 'cogs who follow AI's instructions,' but to nurture 'human agents' who make better decisions with AI's help.5

AI is a powerful tool that 'aids human decision-making' 5 by analyzing complex data and providing probabilistic predictions. However, AI cannot understand context, judge value, or make ethical decisions. Making those 'contextual judgments' that AI cannot—judging whether the benefit of adopting a technology is worth the social and environmental costs we must bear (e.g., energy consumption, job displacement)—is solely 'the role of the human'.10

This power to make the final judgment is the core 'attitude' that AI literacy education must cultivate.

 

4. Core Inquiry 2: The Reality of 'Ethical Dilemmas' Hidden Behind the Technology

 

The reason 'ethics' and 'attitude' are so heavily emphasized in AI literacy education is that AI technology inherently contains and amplifies 'human societal problems'.17 We must always remember the proposition: "AI Reflects Human Choices and Perspectives".10

AI is not an objective, neutral machine. It learns from biased data, operates in an opaque 'black box,' and can sometimes cause severe social problems. The 'hidden ethical problems' behind the technology are as follows.

 

(1) Bias and Fairness

·Definition: The problem where an AI system learns, or even amplifies, the human prejudices (race, gender, age, culture) embedded in its training data, leading to unfair and discriminatory outcomes for specific groups.17

·Examples:

o  Criminal Justice: An AI (COMPAS) used in some U.S. courts was utilized to predict a defendant's risk of reoffending. However, analysis revealed that the AI systematically predicted a higher risk of recidivism for Black defendants than for White defendants. This was not because the algorithm itself was 'racist,' but because the 'historical arrest data' it was trained on was already racially biased (Black individuals had a higher arrest rate).11 The AI simply learned human's discriminatory history and packaged it as a 'scientific' prediction.

 

o  Image Generation: When generative AIs like Midjourney were asked to generate images of 'a person in a professional occupation,' a tendency was found to always depict 'older' people as 'male.' This is an example of AI reinforcing and reproducing deep-seated gender biases about women's roles in the workplace.11

·Implication: We must discard the blind 'attitude' that AI will be 'objective' and 'fair.' We need an 'attitude' of 'Curiosity' 10 to question the data underlying an AI's output, and 'Empathy' 7 to question whether the result is unfair from the perspective of a minority group.

 

(2) Lack of Transparency and the Accountability Vacuum

·Definition: Complex AI models like deep learning operate as a 'Black Box' 17 where billions of parameters interact. This makes it difficult for humans to understand or explain why an AI made a particular decision (lack of explainability), and creates ambiguity about who is responsible (the developer, the user, the AI itself?) when that decision causes harm.17

·Examples:

o  Lack of Data Transparency: Documentation on what data was used to train many AI models and how that data was collected and prepared is severely insufficient.21 This makes it fundamentally difficult for users to assess the AI's reliability.

o  Legal Accountability: Intense social and legal debates are underway regarding who should bear the legal responsibility when serious harm occurs due to harmful information generated by AI (e.g., biochemical weapon instructions) or AI errors (e.g., an autonomous vehicle accident).22

 

·Implication: We must not blindly trust the decisions of a 'black box.' AI literacy includes a 'Responsible' attitude 10 that demands 'Human Oversight' 23 over automated decisions and refuses to let the AI have the final say.

 

(3) Privacy Violation

·Definition: AI systems, especially machine learning, require vast amounts of data to improve their performance. In this process, there is a constant risk that sensitive personal information (conversations, health data, location data) may be excessively collected, analyzed, and used without the user's explicit consent.17

·Examples: Concerns and actual cases are continuously reported about AI speakers and chatbots 'eavesdropping' on users' private conversations or personal information.24 There is also a serious risk that personally identifiable information included in the training data of Large Language Models (LLMs) could be unintentionally leaked through the AI's responses.20

·Implication: An 'autonomous attitude' is needed to judge and decide for oneself the trade-off between the 'convenience' AI provides and the 'personal information' one is willing to provide. This is a core competency of AI literacy: 'Data security and privacy awareness'.14

These ethical dilemmas and the corresponding AI literacy 'attitudes' are summarized in the table below.

 

Ethical Dilemma	Core Definition	Real-World Examples	Required AI Literacy 'Attitude'
Bias & Fairness	AI learns and amplifies human prejudices (race, gender, culture) embedded in training data, leading to unfair outcomes.17	- Criminal Justice: AI predicts higher recidivism risk for Black defendants than White ones 11   - Image Generation: 'Professional' images are biased towards males and-specific age groups 11	- Empathetic: Consider the impact of AI decisions on vulnerable groups.7   - Curious: Question and doubt the data basis of AI results.10
Lack of Transparency & Accountability (Black Box)	AI (esp. deep learning) decision-making processes are difficult for humans to understand 21, and legal/ethical responsibility for errors is unclear.17	- Black Box: Lack of documentation on training data specifics 21   - Accountability: Debate over developer liability for misuse of AI (e.g., harmful info) 22	- Responsible: Do not accept AI decisions as final; humans must review and judge.[5, 10]   - Critical Thinking: Demand 'explainability' and recognize AI's limitations.14
Privacy Violation	Risk of personal data being excessively collected and processed during AI service provision and performance improvement.17	- Data Collection: AI speakers/chatbots excessively collecting sensitive user info 24   - Data Leakage: Risk of personal info from training data being exposed in AI answers 20	- Data Security Awareness: Be aware of how one's data is used 14 and autonomously manage privacy settings.   - Autonomous Judgment: Judge the personal trade-off between convenience and privacy.
Misinformation & Deepfakes	Malicious use of Generative AI to produce and spread fake news, deepfake images/videos that are difficult to distinguish from reality.17	- Hallucination: AI generates non-factual information plausibly 3   - Deepfakes: Sophisticated fakes that cause political/social chaos or defame individuals 20	- Critical Thinking: Always verify the accuracy and reliability of AI-generated content.[12, 14]   - Academic Integrity: Do not pass off AI work as one's own; cite and verify.13

---

5. Comparative Analysis of AI Literacy Education Policies in 4 Key Countries

 

There is a global consensus that AI is critical to future society and national competitiveness.25 However, the specific implementation of 'AI literacy education' shows clear differences based on each country's philosophy and strategic goals.26 We will comparatively analyze the approaches of the United States, China, Japan, and South Korea, focusing on the perspectives of 'attitude' and 'ethics.'

 

United States (USA): K-12 Mandates and an Ethical Approach Centered on 'Civil Rights'

·Policy Trend: At the federal level, the U.S. is strongly encouraging K-12 education through executive orders like the 'Advancing Artificial Intelligence Education for American Youth'.29 States are moving quickly, with California notably passing Bill AB2876, which mandates the inclusion of AI literacy in the K-12 curriculum starting in 2025.31

·Curriculum Characteristics: The most prominent feature of U.S. AI literacy education is its approach from the perspective of 'democratic citizen education,' going beyond technical training. Guidance from the Department of Education heavily emphasizes 'Nondiscrimination' and 'Civil Rights' when discussing the use of AI.32 This shows an understanding of AI education not just as training engineers, but as a process of nurturing 'democratic citizens who can recognize and respond to social discrimination and inequality caused by AI'.33 K-12 AI education frameworks like AI4K12 34 and Digital Promise 35 also include ethical and attitudinal aspects such as the '5 Big Ideas of AI,' 'Centering Justice,' and 'Human Judgment' as core elements.23

 

·Core: Alongside technological competitiveness 36, the educational focus is on nurturing 'fair and responsible citizens' who can respond to the social inequalities and discrimination that AI may cause.

 

China (China): State-Driven Early Talent Cultivation for an 'AI Superpower'

·Policy Trend: China has a clear national goal, set by the 'Next Generation Artificial Intelligence Development Plan' (2017), to become the world's #1 AI superpower by 2030.37 To achieve this goal, it has introduced AI education as a mandatory part of the national curriculum in primary and secondary schools.38

 

·Curriculum Characteristics: After a pilot in 1,400 Beijing schools, the program is expanding nationwide.38 China is famous for developing the world's first 'lifelong AI textbook' series, spanning from kindergarten to adulthood.37 The curriculum is systematically designed by grade level 38:

o  (Primary) Focus on 'sparking interest and curiosity' (e.g., making AI chatbots) 38

o  (Middle) Focus on 'understanding AI principles' (e.g., creating voice recognition) 38

o  (High) 'Project-based learning' to solve real-world problems with AI 38

 

·Core: Under a strong, top-down national strategy 40, all educational resources are focused on the early and systematic cultivation of 'AI technology talent' to secure national competitiveness. While ethics and responsible use are included 41, the top priority is indisputably talent acquisition.

 

Japan (Japan): Targeting 'All University Students' with an Emphasis on 'Joy and Meaning'

·Policy Trend: Japan's 'AI Strategy 2019' aims to provide 'Math, Data Science, and AI' literacy to approximately 25% of the future workforce (about 15 million people).43

·Curriculum Characteristics: Japan's approach is unique in that it targets 'all university and college students' rather than K-12.43 All students, regardless of their major (humanities or STEM), are required to take a 2-credit introductory course in 'Math, Data Science, and AI'.43

·Educational Philosophy: Even more interesting is the curriculum's 'philosophy.' This education is not focused on teaching hard skills like 'programming' or 'machine learning' (which are optional).43 Instead, it concentrates on conveying the 'joy' and 'meaning of learning' AI.43 The three required components are (1) Data/AI use in society, (2) Data literacy, and (3) Cautions on the use and application of Data/AI (Ethics).43

·Core: This is a practical yet philosophical approach to instill a 'foundational literacy (Attitude) for ethically using AI' in the next generation of university students, who will need to use AI to solve pressing social problems like aging and labor shortages 27, before they even master the technology itself.

 

South Korea (South Korea): In Transition from 'Expert Training' to 'Public Integration'

·Current Situation (Problem): South Korea's AI education policy has long been focused on 'training elite experts.' An OECD study 44 delivered the shocking assessment that while Korea (like the US and UK) is strong in 'AI expert training,' it has 'virtually no' 'AI literacy education for the general public' (unlike France or Japan).44 This is confirmed by government support projects like K-Digital Training, where the budget for AI utilization education is extremely low (approx. 1.39%).45

 

·Policy Trend (Transition): Recognizing the limitations of this 'elite-first' approach and the 'AI education gap,' the government is seeking a policy shift, recently announcing the 'National AI-Everyday Plan'.46 This plan explicitly includes 'enhancing AI literacy' and 'securing AI ethics and reliability' as key tasks.47

·Challenge: Despite this policy declaration, there is a significant barrier on the ground: teachers feel they lack the knowledge and skills to use AI (76% response) 49, and schools lack the necessary AI infrastructure (15%p higher than the OECD average).49 Currently, private organizations like KAILA 50 and private education 51 are filling the public education literacy gap.

·Core: South Korea exemplifies a 'Catch-up' model. Having fallen into the 'strategic trap' of focusing only on experts, it is belatedly realizing the importance of literacy for all citizens and attempting a policy pivot.

 

Comparison Item	United States (USA)	China (China)	Japan (Japan)	South Korea (South Korea)
Core Goal & Strategy	'AI Citizenship' Education.   Nurturing fair, democratic citizens to counter AI-driven discrimination.33	'AI Superpower' Strategy.   Goal of #1 by 2030; state-led early cultivation of AI technology talent.37	'AI Social Integration'.   Securing foundational literacy for all citizens to solve future social problems.[27, 43]	'Expert-focused' bias.   A 'Catch-up' model recently pivoting to 'national AI-everyday' integration.[44, 46]
Primary Target Audience	K-12 (Kindergarten-High School)   (e.g., California mandating in 2025) [29, 31]	K-12 (Primary-High School)   (Fully introduced as national mandatory curriculum) 38	University Students (All)   (Basic literacy ed. transcending majors) 43	AI Experts / Incumbent Workers   (Education for general public/K-12 severely lacking) 44
Curriculum Features	- Framework-based (e.g., AI4K12) 34   - State autonomy + federal guidelines   - Linked with Computer Science 23	- National-level textbooks 37   - Systematic grade-level roadmap   (Pri-Interest, Mid-Principles, High-Application) 38	- 'Math·Data Science·AI' convergence   - Emphasizes 'joy' & 'meaning' over coding   - Focus on principles and ethics 43	- Support for SW-centric universities [53]   - K-Digital Training (Workers) 45   - (Literacy ed. led by private sector) 50
Ethics & Attitude Approach	(Highest Emphasis)   Civil rights, non-discrimination, fairness, "Centering Justice" [33, 35]	(Included)   Safe and responsible use, ethical ecosystem (as part of national strategy) 41	(Essential Component)   'Cautions on use' designated as one of 3 mandatory components 43	(Recently Emphasized)   'Securing AI ethics/reliability' set as a key task in the 'AI-Everyday' plan 47

---

6. Conclusion: The Core of AI Literacy Education - Growing as 'Responsible Agents'

 

Thus far, we have confirmed through global frameworks that the concept of AI literacy is not simple 'technical skill' but 'human-centric thinking' and 'ethical attitude.' We have also analyzed how this attitude is an essential prerequisite for responding to AI's inherent ethical dilemmas (bias, opacity, privacy, etc.).

The comparative analysis of the four major countries offers us greater implications. The 'core' of AI literacy education may be set differently by each country: the US pursues 'fairness,' China 'national competitiveness,' and Japan 'social integration.' However, all these approaches ultimately boil down to the fundamental questions: 'How will humans control AI?', 'How will we coexist with AI?', and 'What kind of future will we build using AI?'

From this perspective, South Korea's current situation presents a clear challenge. By focusing heavily on training AI 'experts,' we have neglected the education of the 'citizens' and 'users' who must critically accept and ethically utilize AI in their daily lives.44 This is likely the fundamental reason for the 'vagueness' that many have felt. It is fortunate that a pivot in the right direction has begun, albeit late, with the 'National AI-Everyday Plan'.46 However, for this policy to succeed, it must overcome the concrete barriers of practical re-education for on-site teachers and infrastructural support.49

Ultimately, the core of AI literacy education is, as UNESCO emphasizes 9, for us to grow beyond being mere 'users' or 'consumers' of AI and become 'Critical Co-creators' who build the AI ecosystem together.

To this end, AI literacy education must not teach students 'skills for finding answers,' but rather cultivate an "attitude that treats AI not as an 'answer,' but as a 'question'."

It is the attitude to look at an AI-generated answer and relentlessly ask: "Is this true?", "Whose perspective does this reflect?", "Who is being marginalized or harmed by this?".7 This 'Responsible,' 'Curious,' and 'Empathetic' attitude is the only way to protect unique human agency 5 and maximize the educational effect 4 of AI literacy in the AI age.

참고 자료

1.    AI 시대 필수 능력, AI 리터러시 개념과 중요한 이유 - Codex - 다빈치 블로그, https://www.dvn.ci/blog/ai-%EC%8B%9C%EB%8C%80-%ED%95%84%EC%88%98-%EB%8A%A5%EB%A0%A5-ai-%EB%A6%AC%ED%84%B0%EB%9F%AC%EC%8B%9C-%EA%B0%9C%EB%85%90%EA%B3%BC-%EC%A4%91%EC%9A%94%ED%95%9C-%EC%9D%B4%EC%9C%A0-56230

2.    AI 도입을 위해 AI 활용 능력을 갖추는 것의 중요성 - SAP, https://www.sap.com/korea/research/importance-of-ai-literacy-to-ai-adoption

3.    부모가 함께 하는 AI리터러시 교육,
https://www.hani.co.kr/arti/society/schooling/1225714.html

4.    [장선영의 AI 교육 인사이트 5] AI 리터러시, 자기주도학습의 날개를 달다 - 독서경영신문, http://www.readingtv.kr/news/articleView.html?idxno=11163

5.    교육분야 인공지능 윤리원칙 - 고려대학교 대학정책연구원,
https://upri.korea.ac.kr/upri/news/news.do?mode=download&articleNo=302021&attachNo=204287&totalNoticeYn=&totalBoardNo=

6.    Understanding AI Literacy - Stanford Teaching Commons, https://teachingcommons.stanford.edu/teaching-guides/artificial-intelligence-teaching-guide/understanding-ai-literacy

7.    지식·기술·태도 관점에서 본 AI 리터러시 역량 체계 탐색 - OECD 문서 ..., https://scholar.kyobobook.co.kr/article/detail/4010071576625

8.    What you need to know about UNESCO's new AI competency ..., https://www.unesco.org/en/articles/what-you-need-know-about-unescos-new-ai-competency-frameworks-students-and-teachers

9.    AI competency framework for students - UNESCO,
https://www.unesco.org/en/articles/ai-competency-framework-students

10.  Empowering Learners for the Age of AI - AILit Framework,
https://ailiteracyframework.org/wp-content/uploads/2025/05/AILitFramework_ReviewDraft.pdf

11.  AI 편향이란 무엇인가요? - IBM,
https://www.ibm.com/kr-ko/think/topics/ai-bias

12.  A Model to Enhance Students' AI Literacy - AACSB,
https://www.aacsb.edu/insights/articles/2024/11/a-model-to-enhance-students-ai-literacy

13.  K2Web Wizard - 한세대, 국내 첫 'AI 윤리강령·활용 지침' 제정… “책임 있는 AI 문화 확산 앞장”,
https://www.hansei.ac.kr/bbs/vision/132/27118/artclView.do

14.  Building Student AI Literacy Webinar - AI for Education, https://www.aiforeducation.io/building-student-ai-literacy

15.  AI 편향성 사례 | IBM,
https://www.ibm.com/kr-ko/think/topics/shedding-light-on-ai-bias-with-real-world-examples

16.  AI Literacy for All: Conditions for Schools, Learning for Students - Computer Science Teachers Association, https://csteachers.org/ai-literacy-for-all-conditions-for-schools-learning-for-students/

17.  The ethical dilemmas of AI | USC Annenberg School for Communication and Journalism,
https://annenberg.usc.edu/research/center-public-relations/usc-annenberg-relevance-report/ethical-dilemmas-ai

18.  Ethics of Artificial Intelligence | UNESCO, https://www.unesco.org/en/artificial-intelligence/recommendation-ethics

19.  생성형 AI와 편향성* - 인하대학교 법학전문대학원, https://ils.inha.ac.kr/bbs/ils/3464/91196/download.do

20.  Ethical Challenges and Solutions of Generative AI: An Interdisciplinary Perspective - MDPI, https://www.mdpi.com/2227-9709/11/3/58

21.  AI에 대한 데이터 투명성 리스크 부족 - IBM, https://www.ibm.com/docs/ko/watsonx/saas?topic=atlas-lack-data-transparency

22.  “AI 악용, 개발자에 책임”…캘리포니아 규제법, 실리콘밸리 넘을까 - 한겨레,, https://www.hani.co.kr/arti/international/america/1159585.html

23.  State AI Guidance for Education, https://www.aiforeducation.io/ai-resources/state-ai-guidance

24.  AI의 반란, "개인정보 엿듣는다"... 프라이버시 침해 사례 급증 - 뉴스메카, https://www.newsmc.net/news/articleView.html?idxno=8645

25.  (PDF) AI in Education: Global Trends and Country-by-Country Analysis (2018-2023), https://www.researchgate.net/publication/389043586_AI_in_Education_Global_Trends_and_Country-by-Country_Analysis_2018-2023

26.  Comparative Analysis of Generative AI Policies in Education | by Niall McNulty - Medium, https://medium.com/@niall.mcnulty/comparative-analysis-of-generative-ai-policies-in-education-bb2a37e57aa0

27.  Global push for AI education leads world's most powerful economies on divergent paths, https://www.scmp.com/special-reports/article/3322311/global-push-ai-education-leads-worlds-most-powerful-economies-divergent-paths

28.  Shockwaves and Innovations: How Nations Worldwide Are Approaching AI in Education,
https://crpe.org/shockwaves-and-innovations-how-nations-worldwide-are-dealing-with-ai-in-education/

29.  美 트럼프 행정부, "인공지능, 미국 공립학교 정규 교과에 통합 추진"…교육 패러다임 대전환 예고,
https://www.aitimes.kr/news/articleView.html?idxno=34708

30.  Advancing Artificial Intelligence Education for American Youth - The White House, https://www.whitehouse.gov/presidential-actions/2025/04/advancing-artificial-intelligence-education-for-american-youth/

31.  미국 캘리포니아, 학교 교육과정에 AI 리터러시 교육 포함 - 동향리포트 ..., https://www.kosac.re.kr/menus/248/boards/459/posts/40584?brdType=R&thisPage=1&bbIdx=39619&brdCodeValue=&searchField=title&searchText=&page=1

32.  U.S. Department of Education Issues Guidance on Artificial Intelligence Use in Schools, Proposes Additional Supplemental Priority, https://www.ed.gov/about/news/press-release/us-department-of-education-issues-guidance-artificial-intelligence-use-schools-proposes-additional-supplemental-priority

33.  U.S. Department of Education's AI Toolkit and Nondiscrimination Resources Provides Lasting Guidance for Educators on AI and Civil Rights - Center for Democracy and Technology, https://cdt.org/insights/u-s-department-of-educations-ai-toolkit-and-nondiscrimination-resources-provides-lasting-guidance-for-educators-on-ai-and-civil-rights/

34.  AI4K12 – Sparking Curiosity in AI,
https://ai4k12.org/

35.  AI Literacy - Digital Promise, https://digitalpromise.org/initiative/artificial-intelligence-in-education/ai-literacy/

36.  AI in Education: The Space Race for AI Literacy in Schools - 9ine, https://www.9ine.com/newsblog/ai-in-education-the-space-race-for-ai-literacy-in-schools

37.  중국의 인공지능(AI) 정책 및 AI 교과서 분석 - 경제인문사회연구회,
https://www.nrc.re.kr/boardDownload.es?bid=0008&list_no=172833&seq=1

38.  중국, 초·중·고 AI 교육 전면 의무화... 'AI 강국' 향한 조기 인재 양성 ..., https://www.kyobit.com/news/articleView.html?idxno=1950

39.  [시사 인사이트] 중국, 중∙고교 이어 초등학교용 AI 교과서 낸다 - 알고리즘까지 체험 학습, 올해 1000개 학교 채택 - 태재미래전략연구원,
https://taejaefci.org/research/575

40.  Paving the Way for Novices: How to Teach AI for K-12 Education in China - AAAI Publications,
https://ojs.aaai.org/index.php/AAAI/article/view/21565/21314

41.  China issues guidelines to promote AI education in primary and secondary schools,
https://www.globaltimes.cn/page/202505/1333878.shtml

42.  Can the U.S. Catch China with Its New K-12 AI Education Mandate?,
https://www.onlineeducation.com/features/chinese-ai-competition-in-education

43.  일경컴퓨터_2020/04/30_일본, AI 교육 개혁 시동 日経コンピュータ, https://hjtic.snu.ac.kr/node/11825

44.  OECD 21개국 조사 결과 “한국은 일반인 대상 AI 교육 전무”… 국가별 AI 역량 격차 심각, https://aimatters.co.kr/news-report/ai-report/26069/

45.  OECD 21개국 조사 결과 "한국은 일반인 대상 AI 교육 전무"... 국가별 AI 역량 격차 심각, https://dpg.danawa.com/mobile/news/view?boardSeq=60&listSeq=5846334

46.  전국민 AI 일상화 실행계획 - 경제정책 시계열서비스, https://epts.kdi.re.kr/polcTmsesSrvc/them?SEARCH_CTE_SEQ=75665

47.  [정책] 전국민 AI 일상화 계획 | 보고서/정책자료(상세) | 정책저장소 - 인공지능 윤리 소통채널, https://ai.kisdi.re.kr/aieth/bbs/B0000085/view.do?nttId=462&menuNo=400014

48.  전국민 AI 일상화 실행계획 - 국회도서관 국가전략정보포털, http://nsp.nanet.go.kr/plan/subject/detail.do?nationalPlanControlNo=PLAN0000040708

49.  OECD "한국 교사 43%, AI 활용...급여 만족도는 29%에 불과" - 전북미래교육신문, https://edujb.com/news/articleView.html?idxno=5962

50.  한국AI리터러시협회(KAILA)｜교육자, 기업 관계자, 정책 결정자, 일반인을 위한 AI 교육, 윤리/정책, AI 강사 교육 과정, 행사/세미나,
https://www.ailiteracy.or.kr/

51.  한국 AI 리터러시 아카데미 교육과정 페이지,
https://kaiacademy.co.kr/curriculum

52.  생성 AI 리터러시 과정,
https://www.ailiteracy.or.kr/AILeadershipCourse